编辑丨3D视觉工坊

点击进入—>3D视觉工坊学习交流群

观点一

作者｜黑白的白

https://www.zhihu.com/question/47559783/answer/2991167904

卡尔曼滤波是一种基于概率论和线性代数的算法，用于处理具有随机噪声的动态系统。其基本思想是将系统的状态表示为一个随机变量，并通过观测数据和模型方程来对该随机变量进行估计和预测。

要理解卡尔曼滤波，需要掌握以下几个方面的知识：

1、数学基础：卡尔曼滤波是一种基于概率论和线性代数的算法，因此需要掌握相关的数学知识，如矩阵运算、概率分布、条件概率和贝叶斯定理等。

2、状态空间模型：卡尔曼滤波的基础是状态空间模型，该模型描述了系统的状态和观测，并通过动态方程和观测方程来描述状态的演化和观测的生成。因此，需要理解状态空间模型的基本概念和原理，如状态、观测、系统动态和观测方程等。

3、卡尔曼滤波算法：卡尔曼滤波算法包括预测、更新和估计三个步骤。其中，预测步骤通过状态的动态方程来预测系统的下一个状态；更新步骤通过观测方程来更新系统的状态估计；估计步骤通过估计误差来评估状态估计的准确性。因此，需要深入了解卡尔曼滤波算法的基本思想和步骤。

4、应用领域：卡尔曼滤波在众多领域都有广泛的应用，如导航、控制、信号处理、机器人等。因此，需要了解卡尔曼滤波在不同领域的具体应用和特点，以便更好地理解和应用该算法。

5、实践经验：理解卡尔曼滤波还需要进行实践和实验，对实际应用中遇到的问题进行分析和解决，不断积累经验和提高自己的能力。可以通过模拟实验或应用实例来进行实践。

总之，要真正理解卡尔曼滤波，需要掌握相关的数学基础和算法原理，了解其在不同领域的应用和特点，并进行实践和实验，从中不断提高自己的能力。

观点二

作者｜丧心病狂的渔翁

https://www.zhihu.com/question/47559783/answer/2988768271

理解卡尔曼滤波的过程是一个渐进的过程，需要结合理论和实践，不断探索和实践。以下是一些可能有助于理解卡尔曼滤波的建议：

学习基础数学知识。卡尔曼滤波是基于数学理论的一种算法，需要掌握线性代数、概率论、微积分等数学基础知识，以便理解卡尔曼滤波的数学模型和算法实现。

学习卡尔曼滤波的原理。了解卡尔曼滤波的基本原理和思想，掌握状态空间模型、动态系统的建模和状态估计等概念和方法。

学习实现卡尔曼滤波的方法。了解卡尔曼滤波的具体实现方法和步骤，掌握预测、测量更新和状态估计等核心算法。

探索卡尔曼滤波的应用场景。了解卡尔曼滤波在控制、导航、信号处理等领域的应用，掌握如何根据实际问题进行模型建立和参数调整。

实践卡尔曼滤波。通过编程实现卡尔曼滤波算法，并在实际数据上进行测试和优化，不断探索和实践卡尔曼滤波的应用。

总的来说，理解卡尔曼滤波需要建立起一个完整的认知体系，包括数学知识、算法原理、实现方法和应用场景等多个方面。在不断地理论学习和实践探索中，逐渐建立起自己的知识体系和实践经验，才能真正理解卡尔曼滤波。

观点三

作者｜下呀下大雨

https://www.zhihu.com/question/47559783/answer/2987294060

真正理解卡尔曼滤波Kalman Filter需要从以下几个方面入手：

1、卡尔曼滤波的数学原理。卡尔曼滤波的主要内容包括状态方程、观测方程和误差协方差矩阵等等。只有深入了解卡尔曼滤波的数学原理，才能真正掌握卡尔曼滤波的本质。

2、卡尔曼滤波的应用场景。卡尔曼滤波作为一种估计和预测的手段，广泛应用于导航、控制和通信等领域。只有了解卡尔曼滤波的具体应用场景，才能更好地理解卡尔曼滤波的意义和价值。

3、卡尔曼滤波的实践应用。卡尔曼滤波的实践应用需要依托于具体的工具和技术，如MATLAB、Python等工具。只有自己亲身动手实践，才能真正理解卡尔曼滤波的运行过程和优缺点。

4、 卡尔曼滤波的相关研究和理论。卡尔曼滤波的发展和改进是一个不断进化的过程，目前已经有了多种变体和扩展，如扩展卡尔曼滤波、无迹卡尔曼滤波等。只有跟进卡尔曼滤波的最新研究和理论，才能不断提高自己对卡尔曼滤波的认知和理解。

综上所述，真正理解卡尔曼滤波需要同时掌握它的理论、应用、实践和研究等方面。只有兼备这些方面的知识和技能，才能真正领略卡尔曼滤波的魅力和威力。

观点四

作者｜图状态空间

https://www.zhihu.com/question/47559783/answer/106573150

工程上能够独立完成建模，编程和调试的任务，可以用卡尔曼滤波解决工程实际问题，这就叫会玩。。

理论上，卡尔曼滤波的几何特性，收敛域，EKF的李雅普诺夫稳定性现在还没有好的说法。

卡尔曼建模的离散化最优方法，现在还没有成体系的说法，建模方法乱七八糟，炼金术师(Alchemist)遍地走。我比较推崇的课本，比如Paul Zarchan的那本，给出一个问题，正弦波的频率估计问题，的两个模型，一个收敛的好，一个收敛的不好，这叫艺术还是炼丹？模型的优劣程度到底在于什么地方，搞明白这个以后系统的指导建模问题，这才叫做理解，拿过来就用那叫炼丹。

卡尔曼滤波和图优化的关系，啥时图优化好，啥时卡尔曼滤波好，想想就是很糟心的问题。

我个人就认为卡尔曼滤波是图优化的一个小特例，估计卡尔曼原教旨主义者对我也这个看法就很不感冒了。

接触这个东西20年了，我是越来越理解不了了，我觉得到处哪哪都是问题。

本文仅做学术分享，如有侵权，请联系删文。

点击进入—>3D视觉工坊学习交流群

干货下载与学习

后台回复：巴塞罗那自治大学课件，即可下载国外大学沉淀数年3D Vison精品课件

后台回复：计算机视觉书籍，即可下载3D视觉领域经典书籍pdf

后台回复：3D视觉课程，即可学习3D视觉领域精品课程

3D视觉工坊精品课程官网：3dcver.com

1.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)2.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进3.国内首个面向工业级实战的点云处理课程4.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解5.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦6.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化7.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

8.从零搭建一套结构光3D重建系统[理论+源码+实践]

9.单目深度估计方法：算法梳理与代码实现

10.自动驾驶中的深度学习模型部署实战

11.相机模型与标定(单目+双目+鱼眼）

12.重磅！四旋翼飞行器：算法与实战

13.ROS2从入门到精通：理论与实战

14.国内首个3D缺陷检测教程：理论、源码与实战

15.基于Open3D的点云处理入门与实战教程

16.透彻理解视觉ORB-SLAM3：理论基础+代码解析+算法改进

17.机械臂抓取从入门到实战

重磅！粉丝学习交流群已成立

交流群主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、ORB-SLAM系列源码交流、深度估计、TOF、求职交流等方向。

扫描以下二维码，添加小助理微信（dddvisiona）,一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿，微信号：dddvisiona

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、源码分享、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答等进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，6000+星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看，3天内无条件退款

高质量教程资料、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~